[发明专利]基于核磁共振和质谱的代谢组学数据融合方法及其应用

权利要求书

1.基于核磁共振和质谱的代谢组学数据融合方法，其特征在于，包括如下步骤：

(1)样本收集：收集代谢组学研究的实验样品，对实验样品处理得到正常样品A和疾病样品B；

(2)数据的收集和处理：对实验样品进行一维核磁共振氢谱和液相色谱-质谱实验，将得到的谱图进行处理得到每行为实验样本、每列为代谢物信息的二维矩阵，分别为NMR数据集和MS数据集；

(3)使用Diffreg检验计算MS数据集中每个变量对NMR数据集的p值，选择Diffreg检验p值小于0.05的或者前10％小的变量，这些变量即为MS数据集中对NMR数据集有补充信息的变量，作为MS补充变量集；

(4)使用Diffreg检验计算NMR数据集中每个变量对步骤(3)中的MS补充变量集的p值，保留前10％至20％小的变量，将新得到的NMR补充变量集与步骤(3)中的MS补充变量集结合起来，所得的新数据集即为核磁共振与质谱的融合数据。

2.根据权利要求1所述的基于核磁共振和质谱的代谢组学数据融合方法，其特征在于：所述步骤(2)中一维核磁共振氢谱实验在布鲁克DRX 500MHz谱仪上完成，实验温度设置为298K，采集实验样品的一维核磁共振氢谱；液相色谱-质谱实验在Agilent 1260LC ABSciex QTrap 5500MS系统上完成，每个实验样品正负模式下各检测一次获取其代谢信息。

3.根据权利要求1所述的基于核磁共振和质谱的代谢组学数据融合方法，其特征在于：所述步骤(2)中所述一维核磁共振氢谱的谱图数据，使用MestReNova软件进行定标、相位校正、基线校正、谱峰对齐，删除残余的溶剂峰和基线点，再进行分段积分和归一化处理，得到NMR数据集；液相色谱-质谱的谱图数据，使用MultiQuant对谱峰进行积分，然后使用QC样本对数据进行归一化处理，得到MS数据集。

4.根据权利要求1所述的基于核磁共振和质谱的代谢组学数据融合方法，其特征在于：所述步骤(3)、(4)中使用Diffreg检验筛选具有补充意义的变量的具体方法为：

①数据准备：将步骤(2)中的NMR数据集或者步骤(3)中的MS补充变量集数据集作为X_local，将步骤(2)中的MS数据集中的每一个变量或者步骤(2)中的NMR数据集中的每一个变量作为X_re，针对每一个X_re构建X＝X_local+βX_re，其中β为X_re的系数；Y为对应每一个样本的标签；

②数据划分：将X分割为两部分X_in与X_out，其对应的响应分别为Y_in与Y_out；

③Screening：利用第一部分数据X_in，分别计算在限制β_i＝0,i∈A下的模型与未限制模型中参数β的估计和以及相关变量的集合和

④p值计算：利用第二部分数据X_out，分别计算两个模型的对数似然函数

和

并计算其似然比统计量

同样，利用其渐近分布或排列检验计算LR的p值；其中，X代表等待检验的数据矩阵，Y代表对应的标签，β为要加入至待测矩阵的待检验变量。

5.根据权利要求4所述的基于核磁共振和质谱的代谢组学数据融合方法，其特征在于：所述步骤(4)中使用Diffreg检验删除扩展数据集中的冗余变量的具体方法为：保留Diffreg算法中p值中前10％小的变量。

6.如权利要求1～5任一项代谢组学数据融合方法在代谢组学稀疏模型构建中的应用。